ASP.NET Boilerplate中Redis缓存序列化异常问题解析
问题背景
在ASP.NET Boilerplate框架中,当开发者将项目升级到9.1.0版本后,使用Redis缓存时可能会遇到一个序列化异常。这个异常主要出现在两种场景中:
- 使用AbpRedisCache时
- 使用AbpPerRequestRedisCache时
错误信息显示系统无法序列化System.Type类型的实例,具体报错路径为$.ProviderApiType。
异常分析
该问题的根本原因在于ASP.NET Boilerplate 9.1.0版本中默认使用了System.Text.Json作为JSON序列化器,而Newtonsoft.Json则作为备选方案。System.Text.Json在设计上出于安全考虑,默认不支持System.Type类型的序列化,这与Newtonsoft.Json的行为不同。
当框架尝试将包含Type类型属性的对象序列化到Redis缓存时,System.Text.Json会抛出NotSupportedException异常。这在用户登录等需要缓存认证信息的场景中尤为常见。
解决方案
临时解决方案
-
回退到Newtonsoft.Json
在CoreModule中添加以下代码可以暂时解决问题:JsonExtensions.UseNewtonsoft = true; -
自定义Type类型转换器
可以创建一个自定义的JsonConverter来处理Type类型的序列化:public class CustomJsonConverterForType : JsonConverter<Type> { public override Type Read(ref Utf8JsonReader reader, Type typeToConvert, JsonSerializerOptions options) { var typeName = reader.GetString(); return Type.GetType(typeName); } public override void Write(Utf8JsonWriter writer, Type value, JsonSerializerOptions options) { writer.WriteStringValue(value.AssemblyQualifiedName); } }然后在Startup中注册:
services.AddControllers() .AddJsonOptions(options => { options.JsonSerializerOptions.Converters.Add(new CustomJsonConverterForType()); });
根本解决方案
ASP.NET Boilerplate团队已经注意到这个问题,并提出了修复方案。开发者可以:
- 实现自定义的IRedisCacheSerializer,正确处理Type类型的序列化
- 等待官方发布包含修复的版本
最佳实践建议
-
评估缓存内容
检查哪些数据被缓存并导致了这个问题,考虑是否可以重构这些类型以避免包含Type属性。 -
统一序列化策略
在整个应用中保持一致的序列化策略,避免混合使用System.Text.Json和Newtonsoft.Json。 -
监控缓存异常
即使应用能继续运行,也应监控这些异常,因为它们可能影响性能或导致缓存失效。 -
测试覆盖
增加针对缓存序列化的单元测试,确保各种数据类型都能正确序列化和反序列化。
总结
这个问题展示了框架升级时可能遇到的兼容性挑战,特别是在底层组件更换时。开发者需要了解不同JSON序列化器的行为差异,并准备好相应的适配方案。对于ASP.NET Boilerplate用户来说,目前可以通过回退到Newtonsoft.Json或实现自定义转换器来解决这个问题,同时期待官方在后续版本中提供更完善的解决方案。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00